GPT-6.2 Astra 是什么?官方价格 $8/$40、1.05M 上下文、基准与测评

OpenAI 在 2026 年 11 月 17 日(北京时间 11 月 18 日 01:54)发布了 GPT-6.2 Astra,定位是面向最难项目的新一代前沿模型。官方标准价每百万 tokens 输入 $8、缓存输入 $0.40、输出 $40,比 GPT-6 Astra 的输入输出低 20%、缓存输入低 60%;上下文 1,050,000 tokens。本文把官方数据和第三方测评分开整理,并说明怎么接入。

7 分钟阅读
GPT-6.2 Astra 是什么?官方价格 $8/$40、1.05M 上下文、基准与测评

先说结论:GPT-6.2 Astra 是 OpenAI 在 2026 年 11 月 17 日发布的新一代前沿模型,面向最难的专业项目,模型 id 是 gpt-6.2-astra。 官方标准价(短上下文)每百万 tokens 输入 $8、缓存输入 $0.40、输出 $40,比 GPT-6 Astra 的输入输出低 20%、缓存输入低 60%。上下文 1,050,000 tokens,最大输入 922,000、最大输出 128,000。它已经在 ChatGPT Work、Codex 和 API 上线,并支持 Ultrafast。同日发布的日常型号是 GPT-6.2 Sol。

本文数字截至 2026-11-18(Asia/Shanghai)。官方价格、规格和官方基准来自 OpenAI 发布说明、模型页和 API 价目页;第三方数据主要来自 Artificial Analysis 模型页与 2026-11-17 评论文章。第三方榜单会变动,以原页面为准。我们尚未做独立复测。

GPT-6.2 Astra 是什么

官方说法要点:

  • 2026 年 11 月 17 日发布(对应北京时间 11 月 18 日 01:54 官宣),定位是「最难项目」的前沿模型,用来做复杂专业工作
  • 官方强调幻灯片、表格和文档更贴近你给的模板和行业惯例,代码更干净,网站、游戏和 3D 设计的前端也更好
  • OpenAI 认为它是目前最适合科学家的模型,并在 Terminal-Bench-Science 0.1 和 Vals Science Index 上给出新高(均为官方自测,见下文)
  • ChatGPT Learn 写明:Plus / Pro / Business / Enterprise / Edu 可在网页、桌面或移动端的 Work 模式里使用;Enterprise 和 Edu 需管理员先在工作区设置中开启。Codex 应用和 CLI 也可选用。API 模型名 gpt-6.2-astra
  • 按 OpenAI 准备度框架(Preparedness Framework),它和 GPT-6.2 Sol 在网络安全方面达到 Critical 阈值,在生物和化学能力方面达到 High 阈值;官方还写明,GPT-6.2 Astra 是首个对外发布、在「AI 自我改进」方面达到 High 阈值的模型。详细测试见发布说明中的系统卡
  • 另有面向律师的配置 GPT-6.2 Astra for Law(模型 id gpt-6.2-astra-law),官方价目里短上下文 / 长上下文单价与 gpt-6.2-astra 相同;发布说明称它在 Harvey LAB-AA v1.1 上比普通 Astra 更高。本文只核对价目,不展开该配置的其他规格

注意别和同代型号搞混:GPT-6.2 Sol 是日常主力,官方标准价 $2 / $10;GPT-6 Astra 是上一档前沿型号,官方标准价 $10 / $50。Standard、Fast、Batch、Ultrafast 都是 service_tier,不是独立的模型 id。

规格速查

项目官方说明
模型名(API)gpt-6.2-astra
上下文1,050,000 tokens(最大输入 922,000)
最大输出128,000 tokens
知识截止2026-05-18
输入 / 输出输入文本、图像;输出文本;不支持音频、视频
接口Chat Completions、Responses、Batch;工具调用需用 Responses API
不支持的参数temperature、top_p;Chat Completions 还需省略 logprobs、top_logprobs。reasoning.effort=none 会被拒绝
推理强度官方建议新接入从 medium 起步;如果原来用 none 或 minimal,改成从 low 起步。Artificial Analysis 实测了 max / xhigh / high / medium / low 五档
内置工具(Responses)web_search、file_search、image_generation、code_interpreter、hosted_shell、apply_patch、skills、computer_use、mcp、tool_search
其他能力流式输出、结构化输出、函数调用、图像输入、提示缓存;不支持微调、predicted outputs
数据驻留Standard、Fast、Batch 支持美国和欧盟;Ultrafast 仅支持美国数据驻留
速率上限(Standard)Build 5,000 RPM / 1M TPM;Launch 10,000 RPM / 4M TPM;Grow 15,000 RPM / 40M TPM

官方迁移指南还提到:从 GPT-6.2 起,如果对话中途改了历史前缀、降级模型、或更换终端用户 / 组织,API 可能会丢掉推理条目,回答质量可能下降,也可能多用 token 重做前面的工作。建议改设置时保持前缀不变,以便保留推理并让前面的输入继续享受提示缓存。

官方价格

单位:美元 / 每百万 tokens。短上下文指单次输入 ≤272K tokens;超过 272K 时,整单按长上下文价计费(输入和缓存翻倍,输出 1.5 倍)。以下全部来自 OpenAI API 价目页,不要把 https://openai.com/api/pricing 那一页当成 token 价目,那是商务套餐页。

标准档(Standard)短上下文

模型输入缓存读取缓存写入 30 分钟缓存写入 12 小时输出
gpt-6.2-astra$8.00$0.40$10.00$20.00$40.00
gpt-6-astra(对照)$10.00$1.00$12.50$25.00$50.00
gpt-6.2-sol(对照)$2.00$0.10$2.50$5.00$10.00

标准档长上下文(输入 >272K)

模型输入缓存读取缓存写入 30 分钟缓存写入 12 小时输出
gpt-6.2-astra$16.00$0.80$20.00$40.00$60.00

其他计费规则(官方):

  • Batch:标准价的 50%。短上下文为输入 $4.00、缓存读 $0.20、30 分钟写入 $5.00、12 小时写入 $10.00、输出 $20.00;长上下文为 $8.00 / $0.40 / $10.00 / $20.00 / $30.00
  • Fast:标准价的 2 倍。短上下文为 $16.00 / $0.80 / $20.00 / $40.00 / $80.00;长上下文为 $32.00 / $1.60 / $40.00 / $80.00 / $120.00
  • Ultrafast 促销价(至 2027-02-28 太平洋时间):标准价的 3 倍。短上下文为 $24.00 / $1.20 / $30.00 / $60.00 / $120.00;长上下文为 $48.00 / $2.40 / $60.00 / $120.00 / $180.00
  • Ultrafast 目录价(2027-03-01 太平洋时间起):标准价的 6 倍。短上下文为 $48.00 / $2.40 / $60.00 / $120.00 / $240.00;长上下文为 $96.00 / $4.80 / $120.00 / $240.00 / $360.00
  • 后台补全(Responses API,公开 beta):符合条件的请求,2 小时完成窗口比 Standard 低 30%,8 小时完成窗口比 Standard 低 40%
  • 2026 年 3 月 5 日及之后发布的模型,区域处理(data residency)端点加价 10%;FedRAMP 端点同样加价 10%
  • Flex:截至 2026-11-18,官方价目未列出 GPT-6.2 Astra 或 GPT-6.2 Sol 的 Flex 价格,本文不编造

调用 Ultrafast 时把 service_tier 设为 ultrafast,模型 id 仍是 gpt-6.2-astra。官方建议 Agent 类、需要连续工具调用的场景优先走 WebSocket,以保住延迟优势。

测评基准

官方自测(标为官方)

以下都是 OpenAI 自己在发布说明里给出的结果,不是第三方复测。官方多数只给了相对变化,没有公布绝对分,本文也不补绝对分。

基准官方结果
Agents' Last Exam(长程专业工作流)比 GPT-6 Astra 高 5.2 分,成本不到其三分之一;比 Claude Fable 5.2 高 5.5 分,成本约为其 5%。官方注明:Fable 5.2 的榜单成绩排除了 9 个使用了回退模型的任务
Terminal-Bench-Science 0.1比 GPT-6 Astra 高 9 个百分点,成本不到其三分之一,官方称新高。脚注:Fable 5.2 的 AA mini-swe-agent 成绩与 Anthropic 在 Claude Code、max 推理下报告的 74.6% 不是同一套跑法
Vals Science Index官方称新高,发布说明未给出绝对分
Harvey LAB-AA v1.1(法律交付物,须满足全部评分标准且无实质性幻觉才计分)官方称新高,通过率超过 Claude Fable 5.2 的两倍,成本约为其六分之一;Astra for Law 更高。未公布绝对通过率
GDPval v2(OpenAI 内部基准,咨询、金融、设计等长程知识工作)在官方测试过的模型里领先,比 GPT-6 Astra 高 6.2 个百分点,输出 token 少 22%
AA-AnalystAgent(官方转述 Artificial Analysis 的表格/财报任务)在五项独立尝试中,62.5% 的问题每次都答对,官方称新高
AA-3D(官方转述,人类评委对同一提示下的两个 3D 体验做盲选)GPT-6.2 Astra 1,318 Elo,排第一;Claude Fable 5.2 为 1,271,GPT-6.2 Sol 为 1,259
Cognition FrontierCode 2.0发布说明把对照放在 Sol 一侧:GPT-6.2 Sol 在 max 档距 GPT-6.2 Astra 0.5 分,成本约为其五分之一

客户早期反馈(官方引用,不是独立复测):Basis 称长周期会计工作平均耗时下降 50%,最复杂的任务最多下降 73%;Legora 称在复杂法律 Agent 任务上,Astra 比 GPT-6.1 Sol 少用 62% 的 token,并在 10 项法律研究任务中的 8 项上更高。这些是厂商引用,样本和协议不透明,只作参考。

官方也写了安全与对齐方面的注意事项:在两项测试里,这两个模型比以往更常不提及挡住工作的障碍(例如文件缺失或搜索工具不可用)。OpenAI 称已在 Codex 里加了指令,大幅减少这类遗漏,并仍在调查。

第三方:Artificial Analysis

以下数字核对于 2026-11-18 的 GPT-6.2 Astra 模型页 和 2026-11-17 的 AA 评论文章。采用的是 Intelligence Index v5.0.1(9 项评测加权)。排名会变动,以原页面为准。

指标(2026-11-18 核对)数值
Intelligence Index v5.0.1(max)62,约第 3 / 92(评论写:仅落后于 Claude Fable 5.2;比 GPT-6 Astra 高 5 分,并超过 Gemini 4 Carbon 的 60 和 Claude Opus 5.5 的 59)
其他推理档xhigh 62、high 60、medium 57、low 46
单任务成本(max)约 $4.00
单任务耗时max 10.7 分钟、xhigh 6.2、high 4.9、medium 3.7、low 1.5
输出速度max 64 tok/s、xhigh 60、high 61、medium 59、low 58
首个回答 token 延迟max 147.65 秒、xhigh 44.64、high 16.86、medium 2.70、low 2.72
跑完整套智能指数的输出 tokenmax 6,580 万、xhigh 2,710 万、high 2,000 万、medium 1,240 万、low 631 万
AA-3D1,318,高于 Claude Fable 5.2 的 1,271 和 GPT-6.2 Sol 的 1,259(与官方转述一致)
AA-Robotics v0.1(研究预览)79;GPT-6.2 Sol 为 78,Claude Fable 5.2 为 75。AA 写明这是预览集,多数基础任务已被头部模型完成
AA-Omniscience 幻觉率(max)59%;GPT-6.2 Sol 为 55%
Coding Agent Index(Codex harness、max)评论写:与 GPT-6 Astra 持平(没有公布绝对分,本文不补)

AA 模型页的「Price」列 $5.88 是按 7:2:1(缓存命中 / 输入 / 输出)折算的混合单价,不是单任务成本,不要和上面的 $4.00 混用。

优缺点与适用场景

适合:

  • 最难的专业项目:跨系统排错并补测试、按模板做幻灯片 / 表格 / 备忘录、需要贴合法律、销售、财务等行业惯例的交付物
  • 科学研究和终端里的实验流程;官方和 AA 都把它的科学相关成绩放在很靠前的位置
  • 网站、游戏、3D 和视觉设计类前端,以及需要跟着参考图或模板走的视觉工作
  • 愿意付前沿模型的价格,又想比 GPT-6 Astra 更便宜、更省输出 token 的团队

不太适合 / 需小心:

  • 日常编码、改 PR、会议纪要这类高频任务:同价位不如先看 GPT-6.2 Sol,官方标准价只有 Astra 的四分之一,FrontierCode 2.0 上官方称两者差距只有 0.5 分
  • 默认开 max:AA 上 max 和 xhigh 智能指数同为 62,但 max 单任务更慢,输出 token 也明显更多;首字延迟在 max 档超过 2 分钟
  • 输入超过 272K tokens 会按整单长上下文价计费
  • 需要 EU 数据驻留又想用 Ultrafast:官方明确 Ultrafast 只支持美国驻留
  • 官方价目没有 GPT-6.2 的 Flex 档,不要按旧模型的 Flex 五折去估算
  • 安全研究工作流可能被更严的防护拦住;官方说这些限制也会影响部分正当的漏洞研究和安全测试

怎么接入

OpenAI 官方 API

bash
curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6.2-astra",
    "input": "用一句话介绍你自己",
    "reasoning": {"effort": "medium"}
  }'

要用工具调用,请走 Responses API。迁移时省略 temperature 和 top_p;不要把 reasoning.effort 设成 none。更完整的参数说明见 使用 GPT-6.2 和 Ultrafast 模式。

在 ChatGPT 里,需要打开 Work 才能选 GPT-6.2 Astra 或 Sol。Learn 文档写:受支持的消费计划里,新的 Work 对话默认是 Sol 和 Light 推理强度;已开通模型的 Enterprise 工作区默认是 Sol 和 Medium。如果能看到 Power 滑块,可在 Advanced 里改模型和推理强度。Codex 里用模型选择器,或在 CLI 里用 /model。Pro $500 可用任一模型的 Ultrafast;Pro $200 首次被允许使用 Ultrafast,但只覆盖 Sol。符合条件的 Enterprise / Edu 需由所有者开启 Ultrafast。

OpenRouter

OpenRouter 已有 openai/gpt-6.2-astra 条目。第三方托管的单价以平台页面为准,本文只采用 OpenAI 官方价。

AI Code With

截至 2026-11-18,AI Code With 已上架 GPT-6.2 Astra。模型 id 是 gpt-6.2-astra,支持 OpenAI Chat Completions 和 Responses 两种协议,当前渠道价见 GPT-6.2 Astra 模型页。

在 Codex 里使用,可以把 ~/.codex/config.toml 改成:

bash
model_provider = "aicodewith"
model = "gpt-6.2-astra"
model_reasoning_effort = "medium"

[model_providers.aicodewith]
name = "aicodewith"
base_url = "https://api.aicodewith.ai/chatgpt/v1"
wire_api = "responses"
experimental_bearer_token = "sk-你的Key"

临时切换也可以直接运行 codex --model gpt-6.2-astra。用 curl 测一下 Key 和模型是否可用:

bash
curl https://api.aicodewith.ai/chatgpt/v1/responses \
  -H "Authorization: Bearer sk-你的Key" \
  -H "Content-Type: application/json" \
  -d '{"model":"gpt-6.2-astra","input":"reply with the word ok","reasoning":{"effort":"medium"}}'

页面路径 /gpt-6.2-astra 只是网址,不能当作 API 的 model 参数。

来源核对

核对日期:2026-11-18(Asia/Shanghai)

官方:

第三方:

本站相关文章: